Bolt.diy 项目中使用 LM Studio 本地大语言模型的配置指南
2025-05-15 02:36:53作者:胡易黎Nicole
问题背景
在使用 Bolt.diy 项目时,许多开发者希望通过 LM Studio 运行本地大语言模型(LLM)来生成代码。然而在实际配置过程中,经常会遇到 CORS 跨域问题、API 请求失败以及意外的 Ollama 警告等问题。本文将详细介绍如何正确配置 LM Studio 与 Bolt.diy 的集成。
核心问题分析
从实际案例来看,主要存在三个典型问题:
- CORS 跨域问题:虽然已在 LM Studio 中启用 CORS 选项,但 API 请求仍然失败
- API 端点不匹配:Bolt.diy 请求的 API 端点与 LM Studio 提供的端点不一致
- Ollama 警告干扰:未使用 Ollama 服务却出现相关警告信息
详细解决方案
1. LM Studio 基础配置
首先确保 LM Studio 已正确配置:
- 在服务器设置中启用 "CORS" 选项
- 启用 "Serve on Local Network"(在本地网络提供服务)选项
- 确认服务器监听的端口(默认 1234)
2. 正确的 API 端点配置
LM Studio 提供以下标准端点:
GET /v1/models
POST /v1/chat/completions
POST /v1/completions
POST /v1/embeddings
在 Bolt.diy 的环境变量配置文件(.env.local)中,需要正确设置这些端点地址。例如:
VITE_LMSTUDIO_URL=http://localhost:1234
3. 网络访问问题排查
当在 WSL 中直接运行 Bolt.diy 时:
- 确保 WSL 可以访问主机的本地网络
- 如果使用 localhost 不工作,尝试使用主机的实际 IP 地址
- 检查防火墙设置,确保端口未被阻止
4. 关于 Ollama 警告
即使不使用 Ollama 服务,Bolt.diy 默认会尝试连接 Ollama。这些警告不会影响 LM Studio 的功能使用,可以安全忽略。如需彻底移除,可以检查项目代码中与 Ollama 相关的初始化部分。
最佳实践建议
- 环境隔离:考虑使用 Docker 容器化部署,可以避免许多环境依赖问题
- 日志监控:同时监控 Bolt.diy 和 LM Studio 的日志输出,便于快速定位问题
- 逐步验证:
- 先用简单 HTTP 客户端(如 curl)测试 LM Studio 端点是否可达
- 再测试 Bolt.diy 的基础功能
- 最后进行完整集成测试
总结
通过正确配置 LM Studio 的网络服务选项和 API 端点,开发者可以顺利在 Bolt.diy 项目中使用本地运行的大语言模型。Docker 部署方式通常更为可靠,但在 WSL 环境中通过适当配置也能获得良好效果。遇到问题时,建议按照网络连接、API 端点和权限配置的顺序逐步排查。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust014
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
最新内容推荐
如何用自然语言掌控电脑?UI-TARS-desktop智能助手入门指南离线语音资源全攻略:高效管理与优化指南4步攻克抖音直播回放留存难题:面向内容创作者的全流程技术指南Home Assistant功能扩展实战指南:从问题诊断到价值实现的完整路径开源工具 AzurLaneLive2DExtract:3大核心优势助力碧蓝航线Live2D模型资源提取与二次创作Godot卡牌游戏框架深度探索:从理论架构到实战开发直播内容管理新维度:多场景直播归档方案全攻略OBS Advanced Timer:5个直播控时秘诀让你的直播节奏尽在掌握零基础掌握Home Assistant扩展:Docker加载项实战指南虚拟显示技术重塑数字工作空间:突破物理屏幕限制的多屏效率革命
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
518
629
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
947
888
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
399
303
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.57 K
909
暂无简介
Dart
922
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
144
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381